Python如何快速获得图片的大小，但是不要下载。

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 4155 天前的主题，其中的信息可能已经有所发展或是发生改变。

想提高一下获取图片大小的程序的效率，不想把图片下载，或者读取了才知道大小，大家有没有快速获得图片大小的方法。

图片大小

图片下载

Python

46 条回复 • 1970-01-01 08:00:00 +08:00

anjianshi

2013-07-08 13:53:44 +08:00

是想获得图片的尺寸，还是图片的文件大小？

yfdyh000

2013-07-08 13:57:46 +08:00

/t/67865

kenneth

2013-07-08 14:06:07 +08:00

@anjianshi
@yfdyh000
谢谢，是我没表达清楚，我想知道的是尺寸，就是图片的长宽，但是不知道如何快速得到，不要下载文件。

phuslu

2013-07-08 14:12:12 +08:00

按照 http 标准，完全不下载时不可能的，但是你可以只下载一部分头部。

之前写过一个根据文件头部读取 imagesize 的单文件 .py
https://github.com/phuslu/imgsz/blob/master/__init__.py
楼主你只要喂给它图片的头部下载下来就可以了。

csx163

2013-07-08 14:12:26 +08:00

看了看要求,还是目测吧.

不下载如何知道呢,靠文件名么?

kenneth

2013-07-08 14:24:33 +08:00

@phuslu 要点应该就是你这个，不过你的代码我有点不理解，我再好好看看。

centerqi

2013-07-08 14:40:45 +08:00

http 有个 head 请求，可以获取文件大小，你可以根据文件大小，得出一个经验值
http://www.w3.org/Protocols/rfc2616/rfc2616-sec9.html

phuslu

2013-07-08 14:42:11 +08:00

@centerqi HEAD 这个办法基本不可行。你得到是一个 file size, 怎么转化为 "长 x 宽"?

centerqi

2013-07-08 14:50:27 +08:00

很好算啊，你抓取几万张图片，把每一个图片的大小和文件大小的关系算出来，你就能得到一个系数，我们每天抓取这么多图片，都是这样弄的，求这个系数很简单的，就是一个 y=ax的问题

spark

2013-07-08 14:58:21 +08:00

@centerqi 这种计算方式不靠谱吧...压缩比不一样, 图片尺寸天差地别

centerqi

2013-07-08 15:01:51 +08:00

好吧，你自己试试就行，一个jpg的图片，5k和 50k的大小会一样吗？

hengxin196

2013-07-08 15:02:26 +08:00

用过php的一个大概是原理是通过获取头根据头信息获取图片代码
你可以看看这个 http://hi.baidu.com/vvviop/item/162002149dc26817e3f986c0

firsthym

2013-07-08 15:03:49 +08:00

读到内存里面不行吗？

jedyu

2013-07-08 15:08:39 +08:00

@centerqi 那50=25×2还是10×5呢？

wanderer

2013-07-08 15:20:30 +08:00

@jedyu +1

dorentus

2013-07-08 16:21:45 +08:00

jpg 用 @centerqi 的方法是最不靠谱的吧……

同样一张图片，导出时选择的参数不同，可以相差很多的：

$ identify *.jpg
0.jpg JPEG 1280x720 1280x720+0+0 8-bit sRGB 126KB 0.010u 0:00.000
100.jpg[1] JPEG 1280x720 1280x720+0+0 8-bit sRGB 1.185MB 0.000u 0:00.000
50.jpg[2] JPEG 1280x720 1280x720+0+0 8-bit sRGB 280KB 0.000u 0:00.000

est

2013-07-08 17:24:40 +08:00

@centerqi 这个是你自己YY出来的吧。同一张jpeg，同一个尺寸，肉眼视网膜可以分辨完全一样的图片：

用不同scan, quant table, bit depth, color space, PPI 这些参数都能把你爆出翔。

lichao

2013-07-08 17:28:26 +08:00

@centerqi 不可能靠谱吧

yangg

2013-07-08 18:04:24 +08:00

@phuslu 为什么本地文件调用cStringIO.StringIO之后，结果会出错？

phuslu

2013-07-08 18:25:34 +08:00

@yangg 请试下 tests 目录的代码是否能够运行，如果跑成功的话，请照那些代码来写。

pubby

2013-07-08 19:53:40 +08:00

根据各种图片格式，一般只要前面几十个字节就能得到 width ，height数据，不需要下载整张图。

以前拿php的getimagesize()的源代码改过一个的，识别算法都在里头。

guangwong

2013-07-08 20:35:25 +08:00

读出文件头来就完了= =

likuku

2013-07-09 01:25:37 +08:00

@centerqi 前两天就搞出来1
M和193K的jpg还真一样长宽的...同一张图。

centerqi

2013-07-09 10:26:55 +08:00

最好用数据说话，你去淘宝抓取 50w张图片，然后用这种方法去解决，准备率和招回率看能达到多少？
不要举几个特殊的例子，按你们的说法，做图片相似性计算，图片提取就完全没法做了，因为都会有 bad case.

love

2013-07-09 10:55:54 +08:00

django源码里面有读文件头得图片长宽的代码段(用到了PIL），具体在图片字段代码这里

est

2013-07-09 10:57:13 +08:00

@centerqi 你家的相似性计算可以直接通过 content-length 搞定？跪求代码demo。

长宽是二维矢量，长度是一维标量啊大哥。

centerqi

2013-07-09 11:11:02 +08:00

楼上好好读读文字，我是用这种方式去做相似计算吗？我是举一下列子，就是通过大量的数据，能训练机器，去找到这个系数。

phuslu

2013-07-09 11:13:03 +08:00

@centerqi 汗，找到所谓“系数”之后呢，你莫非认为所有的图片的长宽比是一样的？

centerqi

2013-07-09 11:17:06 +08:00

用content-length去做相似计算，你这是什么思维啊? 不要误解有木有，把话读完读懂再来喷，好不好？
我很喜欢你这种思维，欢迎私喷，我的邮箱
\u0063\u0065\u006E\u0074\u0065\u0072\u0071\u0069\u0040\u0067\u006D\u0061\u0069\u006C\u002E\u0063\u006F\u006D

centerqi

2013-07-09 11:18:50 +08:00

@est \u0032\u0039\u0030\u0035\u0036\u0030\u0035\u0033\u0032 我的qq，私聊

phuslu

2013-07-09 11:20:13 +08:00

@centerqi 别回避我的问题。
ps: 另外你这个所谓 bad case 不是你声称的很少见，而是很常见。

phuslu

2013-07-09 11:20:55 +08:00

@centerqi 晕，我以为你在和我说话。。。

binux

2013-07-09 11:20:56 +08:00

@est 当你面对数以千计的数据量的时候，确实就是这么做的

centerqi

2013-07-09 11:26:11 +08:00

@binux 我刚才仔细看了一下提问者的问题，可能我们理解都有误差，我是用我的职业思维去解决，提问者的想法是用什么简单的办法，快速获取图片大小，而我们想到的就是 DL,ML之类的，所以会有误解。

phuslu

2013-07-09 11:29:15 +08:00

@centerqi 楼主的需求我也做过，所以才写出来 imgsz 这个库。
一般来说获取远程图片的分辨率之后，接下来的处理是展示或者分类。
展示的话，一般就是瀑布流。分类的话，就是按不同的长宽比分类(16:9, 4:3)等等。
前者典型的应用就是 BT 工厂，后者的话，各种壁纸站点。

binux

2013-07-09 11:34:16 +08:00

@centerqi 你是WD的？

centerqi

2013-07-09 11:35:15 +08:00

@phuslu 不错，这种思维确实有可取之处，并且会精确不少，想了解一下，一般图片的头有多少字节，这个是标准的吗？

centerqi

2013-07-09 11:36:32 +08:00

@binux 这个称呼大高雅了，用内部的话叫做矿工

centerqi

2013-07-09 11:39:56 +08:00

@binux 欢迎加我qq哈，qq在帖子里有。

binux

2013-07-09 11:49:43 +08:00

@centerqi 上班禁止用QQ，虽然对你已经没有这个限制了

timonwong

2013-07-09 12:08:27 +08:00

@centerqi
BMP和PNG都还好说:
BMP的width在0x12, height在0x16 (u32, little endian)
PNG的width在0x10, height在0x14 (u32, big endian)

JPEG稍微麻烦点，位置不固定，因为在magic header 0xff, 0xd8后一般都会跟个JFIF segment, 用于thumbnail，需要跳过（当然也不大，thumbnail最大也就255x255, 24bit RGB存放，无压缩），然后再读取width和height。

est

2013-07-09 12:27:52 +08:00

@centerqi 快速获取图片大小，HTTP HEAD一下和DL ML有嘛关系？真是自己玩了几下hadoop的锤子，啥事情都像钉子了。

你看没看过 @phuslu 的代码？获取真实长宽也不是多复杂的事情，各种图片格式头提取也就几行代码。

est

2013-07-09 12:36:36 +08:00

> 你就能得到一个系数，我们每天抓取这么多图片，都是这样弄的，求这个系数很简单的，就是一个 y=ax的问题

> 就是通过大量的数据，能训练机器，去找到这个系数。

大哥你这个系数是矢量还是啥？

content-length(标量) x 系数标量 = 标量，LZ想要的是 (长、宽) 这个矢量啊大哥。

你这个系数最多能够获得图片的像素值 (pixels)，而且是 4:3 或者 16:9 常见照片的比例。

对于长微博，全景图，截屏，素材等等图片肯定都是无效的。

图片 ≠ 照片

btw 我记得以前 @livid 的 footbig 就是只允许照片，禁止图片的。可惜这个项目终止了

raptor

2013-07-09 12:59:41 +08:00

@est 就别提footbig了……当年我还用得挺多的，传了不少片子……

ETiV

2013-07-09 13:23:14 +08:00

图片服务器那边算出图片的宽高. 写进HTTP header. 你这边从HTTP header读.

jasontse

2013-07-09 21:29:07 +08:00 via iPad

@centerqi 完全不可能凭经验去学习大尺寸的纯色图片一样可以压缩到很小